CN106709610B - 一种微电网电储能、冰蓄冷联合优化调度方法 - Google Patents

一种微电网电储能、冰蓄冷联合优化调度方法 Download PDF

Info

Publication number
CN106709610B
CN106709610B CN201710021563.2A CN201710021563A CN106709610B CN 106709610 B CN106709610 B CN 106709610B CN 201710021563 A CN201710021563 A CN 201710021563A CN 106709610 B CN106709610 B CN 106709610B
Authority
CN
China
Prior art keywords
load
ice
ice storage
energy storage
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710021563.2A
Other languages
English (en)
Other versions
CN106709610A (zh
Inventor
华煌圣
董树锋
刘育权
何仲潇
王国成
江艺宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201710021563.2A priority Critical patent/CN106709610B/zh
Publication of CN106709610A publication Critical patent/CN106709610A/zh
Application granted granted Critical
Publication of CN106709610B publication Critical patent/CN106709610B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种微电网电储能、冰蓄冷联合优化调度方法。该方法基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型，对优化模型进行求解，得到最优的电储能充放电策略以及制冷机、蓄冰槽冷负荷分配策略。本发明同时考虑了电储能和冰蓄冷的联合优化，更有效地提升能源使用效率并进行削峰填谷，进而实现节约电费的目的，该方法可以应用在不同类型的智能微电网优化调度系统中。

Description

一种微电网电储能、冰蓄冷联合优化调度方法
技术领域
本发明涉及一种微电网电储能、冰蓄冷优化调度方法，属于新能源及电力需求侧响应领域。
背景技术
随着智能电网的发展及低碳技术的普及，未来小规模的新能源发电，电储能装置，冰蓄冷装置等将会在电力用户中得到广泛应用。这些技术不仅影响了原有的电网运行方式，也给用户侧电能使用带来的更多的灵活性，用户可以响应电网的价格激励信号以改变其用电行为，即需求侧响应。通过需求侧响应可以降低电网高峰用电，提升谷期用电。微电网优化调度系统是实现用户侧需求侧响应的重要手段，目前已经越来越受到重视。目前的微电网优化调度系统没有同时考虑电储能和冰蓄冷的协同优化。
发明内容
为了克服上述现有技术的不足，本发明提供了一种微电网电储能、冰蓄冷联合优化调度方法。该方法基于交直流负荷、冷负荷和光伏的预测结果以及电价信息，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配以总电费最小为目标进行优化。通过对微电网电储能和冰蓄冷优化调度系统的电能进行合理的优化使得总系统将电价高峰时期的负荷转移到电价低谷时期，从而达到节约电费的目的，该方法可以应用在不同类型的智能微电网优化调度系统中。
本发明的目的是通过以下技术方案来实现的：一种微电网电储能、冰蓄冷联合优化调度方法，该方法包括以下步骤：
步骤1：对下一日的交直流负荷、冷负荷及光伏发电进行预测。
步骤2：基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型。
步骤3：对优化模型进行求解，得到最优的电储能充放电策略以及制冷机、蓄冰槽冷负荷分配策略。
进一步地，所述步骤1中预测方法为常用的用户交直流负荷、冷负荷和光伏预测方法，如神经网络及支持向量机方法。
进一步地，所述步骤2中优化模型的目标函数为全天总电费约束。
Figure BDA0001208405840000021
式中，t为时段序号，n为全天时段总数。C(t)为时段t的分时电价。P(t)为时段t从主网得到的供电功率，T为单位时段长度。
约束条件为：
a)直流电源和交流电源
总功率平衡约束：
P(t)＝PAC-load(t)+PAC-DC(t)+Pi(t)-P′i(t)+PCT(t)
PAC-load(t)为时段t的交流负荷，PAC-DC(t)为交直流转换器的功率。Pi(t)为蓄冰槽耗电量，P′i(t)为蓄冰槽承担冷负荷量，∑P′i(t)＝∑Pi(t)*η，η为供冷效率(由于存在冷损失)。当蓄冰槽制冰蓄冷时，Pi(t)>0；当蓄冰槽融冰供冷时，P′i(t)>0。PCT(t)为冷却塔耗电量，由于冷却塔的能耗在系统中所占的比例不大，在实际应用中往往采用经验公式：
PCT(t)＝0.025*(Qk(t)+Pk(t))
其中Qk(t)为制冷机供冷量，Pk(t)为制冷机耗电量，Qk(t)＝Pk(t)*EER。EER为制冷机能效比，可以通过制冷机组运行参数拟合得到。
交直流转换器效率约束：
Figure BDA0001208405840000022
式中：ηA/D为交流转换为直流的转换效率，ηD/A为直流转化为交流的转换效率，PDC(t)为时段t的直流母线总负荷。
直流母线总负荷约束：
PDC(t)+PPV(t)＝PDC-load(t)+PB(t)
PPV(t)为光伏发电功率，PDC-load(t)为直流负荷，PB(t)为储能电池在时段t的功率，充电时PB(t)>0，放电时PB(t)<0。
b)设备和能源平衡的约束
放电效率约束：
Figure BDA0001208405840000031
Figure BDA0001208405840000032
为最大充电效率，
Figure BDA0001208405840000033
为最大放电效率，PB(t)为时段t的充电效率。
储能电池电量状态约束：
Emin≤EB(t)≤Emax
Emin＝SOCminR
Emax＝SOCmaxR
Emax为储能电池最大电量，Emin为储能电池最低电量，EB(t)为时段t的电池储能状态。SOCmin和SOCmax为最小和最大荷电状态，R为电池容量。
在任何时候，储能的总能量为储能初始能量和累积能量的总和：
Figure BDA0001208405840000034
E(0)为电池初始电量，E(t)为时段t的累积电量，i为全天充电的时段数。
日电量累积约束：
Figure BDA0001208405840000035
冰蓄冷装置约束：
Figure BDA0001208405840000041
其中，Qkmax为制冷机组最大供冷量，Qi(t)为蓄冰槽供冷量，Qimax为蓄冰槽最大供冷量，Qsys(t)系统需要供冷量，QI为蓄冰槽容量。
进一步地，所述步骤3中采用分支定界法对步骤2建立的模型进行优化求解，输出优化结果：电池的充放电功率及时段，交直流转换器的功率及时段、制冷机和蓄冰槽的供冷量及时段。
与现有技术相比，本发明的有益效果是：相对于现有的微电网电储能优化调度方法，本发明同时考虑了电储能和冰蓄冷的联合优化，更有效地提升能源使用效率并进行削峰填谷，进而实现节约电费的目的，本发明适用于不同类型的微电网用户。
附图说明
图1为典型的智能微网结构图；
图2为微电网电储能、冰蓄冷优化调度系统图。
具体实施方式
下面结合附图对本发明进一步说明。
微网的结构拓扑图如图1所示，将m组光伏发电系统、蓄电池和/或直流负荷分别联接到m条直流母线上，通过双向变流器与公共的交流母线相连，交流母线上配冰蓄冷装置。再由交流母线通过变压器接入配电网。该系统既可满足直流负荷需求，也可满足交流负荷需求。整个系统可以被分为直流电源、直流负荷以及交流电源、交流负荷。当地的直流母线用来和直流能源设备相连，并通过一个双向转换器与交流系统连接。这种结构使得电池和直流负荷能够在交、直流转换之前使用光伏输出的能量。通过消除交直流转换时不必要的能量损耗，用户们便可以利用分时电价节省电费，还可以参与需求侧响应来减轻电网压力。
首先用常用的用户交直流负荷、冷负荷及光伏发电预测方法，如神经网络及支持向量机方法对下一日的负荷及光伏和风力发电进行预测。
基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型。优化模型的目标函数为全天总电费约束。
Figure BDA0001208405840000051
式中，t为时段序号，n为全天时段总数，n可取96。C(t)为时段t的分时电价。P(t)为时段t从主网得到的供电功率，T为单位时段长度，n取96时，T＝0.25h。
约束条件为：
a)直流电源和交流电源
总功率平衡约束：
P(t)＝PAC-load(t)+PAC-DC(t)+Pi(t)-P′i(t)+PCT(t)
PAC-load(t)为时段t的交流负荷，PAC-DC(t)为交直流转换器的功率。Pi(t)为蓄冰槽耗电量，P′i(t)为蓄冰槽承担冷负荷量，ΣP′i(t)＝ΣPi(t)*η，η为供冷效率(由于存在冷损失)。当蓄冰槽制冰蓄冷时，Pi(t)>0；当蓄冰槽融冰供冷时，P′i(t)>0。PCT(t)为冷却塔耗电量，由于冷却塔的能耗在系统中所占的比例不大，在实际应用中往往采用经验公式：
PCT(t)＝0.025*(Qk(t)+Pk(t))
其中Qk(t)为制冷机供冷量，Pk(t)为制冷机耗电量，Qk(t)＝Pk(t)*EER。EER为制冷机能效比，可以通过制冷机组运行参数拟合得到。
交直流转换器效率约束：
Figure BDA0001208405840000053
式中：ηA/D为交流转换为直流的转换效率，ηD/A为直流转化为交流的转换效率，PDC(t)为时段t的直流母线总负荷。
直流母线总负荷约束：
PDC(t)+PPV(t)＝PDC-load(t)+PB(t)
PPV(t)为光伏发电功率，PDC-load(t)为直流负荷，PB(t)为储能电池在时段t的功率，充电时PB(t)>0，放电时PB(t)<0。
b)设备和能源平衡的约束
放电效率约束：
Figure BDA0001208405840000061
Figure BDA0001208405840000062
为最大充电效率，
Figure BDA0001208405840000063
为最大放电效率，PB(t)为时段t的充电效率。
储能电池电量状态约束：
Emin≤EB(t)≤Emax
Emin＝SOCminR
Emax＝SOCmaxR
Emax为储能电池最大电量，Emin为储能电池最低电量，EB(t)为时段t的电池储能状态。SOCmin和SOCmax为最小和最大荷电状态，R为电池容量。
在任何时候，储能的总能量为储能初始能量和累积能量的总和：
Figure BDA0001208405840000064
E(0)为电池初始电量，E(t)为时段t的累积电量，i为全天充电的时段数。
日电量累积约束：
Figure BDA0001208405840000065
冰蓄冷装置约束：
Figure BDA0001208405840000066
其中，Qkmax为制冷机组最大供冷量，Qi(t)为蓄冰槽供冷量，Qimax为蓄冰槽最大供冷量，Qsys(t)系统需要供冷量，QI为蓄冰槽容量。
最后，采用分支定界法对优化模型进行优化求解，输出优化结果：电池的充放电功率及时段，交直流转换器的功率及时段、制冷机和蓄冰槽的供冷量及时段。
微电网电储能、冰蓄冷联合优化调度的优势在于：可以通过协调电储能和冰蓄冷调度优化能源使用，提升能源使用效率；通过引入直流负荷提升能源效率；通过需求侧响应削峰填谷，提升电网经济型及安全性；对终端用户的直接经济收益。微电网电储能、冰蓄冷联合优化调度系统对用户最有价值的意义在于通过电储能和冰蓄冷装置的联合调度，可以更加有效地将用户在电价高时的用电转移到电价低时用电，从而实现节约电费的目的。

Claims (3)

1.一种微电网电储能、冰蓄冷联合优化调度方法，其特征在于：该方法包括以下步骤：
步骤1：对下一日的交直流负荷、冷负荷及光伏发电进行预测；
步骤2：基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型；
所述优化模型的目标函数为全天总电费约束；
Figure FDA0002387644290000011
式中，t为时段序号，n为全天时段总数；C(t)为时段t的分时电价；P(t)为时段t从主网得到的供电功率，T为单位时段长度；
约束条件为：
a)直流电源和交流电源
总功率平衡约束：
P(t)＝PAC-load(t)+PAC-DC(t)+Pi(t)-P'i(t)+PCT(t)
PAC-load(t)为时段t的交流负荷，PAC-DC(t)为交直流转换器的功率；Pi(t)为蓄冰槽耗电量，P'i(t)为蓄冰槽承担冷负荷量，∑P'i(t)＝∑Pi(t)*η，η为供冷效率；当蓄冰槽制冰蓄冷时，Pi(t)＞0；当蓄冰槽融冰供冷时，P'i(t)＞0；PCT(t)为冷却塔耗电量，PCT(t)＝0.025*(Qk(t)+Pk(t))，其中Qk(t)为制冷机供冷量，Pk(t)为制冷机耗电量，Qk(t)＝Pk(t)*EER, EER为制冷机能效比，可以通过制冷机组运行参数拟合得到；
交直流转换器效率约束：
Figure FDA0002387644290000012
式中：ηA/D为交流转换为直流的转换效率，ηD/A为直流转化为交流的转换效率，PDC(t)为时段t的直流母线总负荷；
直流母线总负荷约束：
PDC(t)+PPV(t)＝PDC-load(t)+PB(t)
PPV(t)为光伏发电功率，PDC-load(t)为直流负荷，PB(t)为储能电池在时段t的功率，充电时PB(t)＞0，放电时PB(t)＜0；
b)设备和能源平衡的约束
放电效率约束：
Figure FDA0002387644290000021
Figure FDA0002387644290000022
为最大充电效率，
Figure FDA0002387644290000023
为最大放电效率，PB(t)为时段t的充电效率；
储能电池电量状态约束：
Emin≤EB(t)≤Emax
Emin＝SOCminR
Emax＝SOCmaxR
Emax为储能电池最大电量，Emin为储能电池最低电量，EB(t)为时段t的电池储能状态；SOCmin和SOCmax为最小和最大荷电状态，R为电池容量；
在任何时候，储能的总能量为储能初始能量和累积能量的总和：
Figure FDA0002387644290000024
E(0)为电池初始电量，E(t)为时段t的累积电量，i为全天充电的时段数；
日电量累积约束：
Figure FDA0002387644290000025
冰蓄冷装置约束：
Figure FDA0002387644290000031
其中，Qkmax为制冷机组最大供冷量，Qi(t)为蓄冰槽供冷量，Qimax为蓄冰槽最大供冷量，Qsys(t)系统需要供冷量，QI为蓄冰槽容量；
步骤3：对优化模型进行求解，得到最优的电储能充放电策略以及制冷机、蓄冰槽冷负荷分配策略。
2.根据权利要求1所述的一种微电网电储能、冰蓄冷联合优化调度方法，其特征在于：所述步骤1中预测方法为神经网络及支持向量机方法。
3.根据权利要求1所述的一种微电网电储能、冰蓄冷联合优化调度方法，其特征在于：所述步骤3中采用分支定界法对步骤2建立的模型进行优化求解，输出优化结果：电池的充放电功率及时段，交直流转换器的功率及时段、制冷机和蓄冰槽的供冷量及时段。
CN201710021563.2A 2017-01-12 2017-01-12 一种微电网电储能、冰蓄冷联合优化调度方法 Active CN106709610B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710021563.2A CN106709610B (zh) 2017-01-12 2017-01-12 一种微电网电储能、冰蓄冷联合优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710021563.2A CN106709610B (zh) 2017-01-12 2017-01-12 一种微电网电储能、冰蓄冷联合优化调度方法

Publications (2)

Publication Number Publication Date
CN106709610A CN106709610A (zh) 2017-05-24
CN106709610B true CN106709610B (zh) 2020-04-21

Family

ID=58907340

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710021563.2A Active CN106709610B (zh) 2017-01-12 2017-01-12 一种微电网电储能、冰蓄冷联合优化调度方法

Country Status (1)

Country Link
CN (1) CN106709610B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107069791B (zh) * 2017-06-16 2019-07-16 浙江大学 一种考虑工业园区与工厂互动的综合需求响应方法
CN107332263A (zh) * 2017-08-07 2017-11-07 国电南瑞科技股份有限公司 一种微电网中储能冰蓄冷系统经济运行的配置方法
CN107609684B (zh) * 2017-08-24 2021-12-03 万克能源科技有限公司 一种基于微电网的综合能源系统经济优化调度方法
CN107807523A (zh) * 2017-10-18 2018-03-16 国网天津市电力公司电力科学研究院 考虑分时电价的区域能源互联网多源协调优化运行策略
CN107947168A (zh) * 2017-12-05 2018-04-20 中国能源建设集团江苏省电力设计院有限公司 一种移动式微网系统的接口电路
CN110657512B (zh) * 2018-06-29 2021-01-22 清华大学 基于热电联合调度的冰蓄冷空调经济性分析方法和装置
CN110323740B (zh) * 2019-06-24 2020-08-21 中国农业大学 计及光伏出力和空调负荷动态相关性的经济调峰方法
CN112347607B (zh) * 2020-09-21 2022-09-27 浙江大学 一种基于凸松弛的热电联合调度方法
CN112161352B (zh) * 2020-09-29 2021-11-16 上海电力大学 一种兼顾成本与能耗的冰蓄冷系统多目标优化运行方法
CN112859956B (zh) * 2021-01-22 2022-07-15 阳光新能源开发股份有限公司 温度调节设备的控制方法和装置
CN113327029B (zh) * 2021-05-27 2022-03-04 天津安捷物联科技股份有限公司 一种写字楼能源策略生成方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246263A (zh) * 2013-04-22 2013-08-14 天津大学 冷热电联供微网系统的通用优化调度策略
CN103745269A (zh) * 2013-11-04 2014-04-23 国家电网公司 一种含分布式光伏的微网系统能量优化管理方法
CN105453367A (zh) * 2013-08-13 2016-03-30 埃森哲环球服务有限公司 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质
CN105811397A (zh) * 2016-03-11 2016-07-27 国网天津市电力公司 一种基于多时间尺度的多能互补微网调度方法
CN106230007A (zh) * 2016-07-25 2016-12-14 中能建江苏能源科技有限公司 一种微电网储能优化调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9026259B2 (en) * 2012-01-25 2015-05-05 General Electric Company Power generation optimization in microgrid including renewable power source

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103246263A (zh) * 2013-04-22 2013-08-14 天津大学 冷热电联供微网系统的通用优化调度策略
CN105453367A (zh) * 2013-08-13 2016-03-30 埃森哲环球服务有限公司 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质
CN103745269A (zh) * 2013-11-04 2014-04-23 国家电网公司 一种含分布式光伏的微网系统能量优化管理方法
CN105811397A (zh) * 2016-03-11 2016-07-27 国网天津市电力公司 一种基于多时间尺度的多能互补微网调度方法
CN106230007A (zh) * 2016-07-25 2016-12-14 中能建江苏能源科技有限公司 一种微电网储能优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于分布式预测控制的智能能源网经济性优化;刘楚晖;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160715;第1-96页 *

Also Published As

Publication number Publication date
CN106709610A (zh) 2017-05-24

Similar Documents

Publication Publication Date Title
CN106709610B (zh) 一种微电网电储能、冰蓄冷联合优化调度方法
CN106651026B (zh) 多时间尺度微电网能量管理优化调度方法
Purvins et al. Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids
CN109193812B (zh) 一种园区光储荷微电网经济调度实现方法
US9099893B2 (en) Power control device for a power grid, comprising a control unit for controlling an energy flow between the power generation unit, the energy storage unit, the consumer unit and/or the power grid
CN106230007B (zh) 一种微电网储能优化调度方法
Li et al. Energy management and control of electric vehicle charging stations
KR101379343B1 (ko) 에너지 저장 시스템，및 에너지 저장 시스템의 제어 방법
CN103236718A (zh) 一种智能微网的源-网-荷自动控制系统及控制方法
CN109103939B (zh) 一种降低光伏电站损耗的储能系统智能控制装置及方法
JP2004511999A (ja) 電力負荷平坦化システムおよびパケット電気の貯蔵
CN111882105A (zh) 含共享储能系统的微电网群及其日前经济优化调度方法
CN113613943A (zh) 用于家庭用户管理包括其电动车辆的不同负载之间的功率的带有功率管理系统的转换器
CN202134924U (zh) 一种太阳能电力并网自用多功能系统的构造
CN108123497B (zh) 一种交直流混合供电的配电柜及交直流混合供电系统
CN110112783A (zh) 光伏蓄电池微电网调度控制方法
Carpinelli et al. Optimal operation of electrical energy storage systems for industrial applications
CN110752629A (zh) 一种交直流混合家庭微电网能量优化管理方法
Kallel et al. An energy cooperative system concept of DC grid distribution and PV system for supplying multiple regional AC smart grid connected houses
CN116780588A (zh) 控制具有高动态负载的电力系统的电池储能系统的方法
CN107092975B (zh) 一种基于储能损耗积分的交直流混合微网经济优化方法
CN204376533U (zh) 一种智能家居微电网
CN111231713A (zh) 一种电动汽车充放电系统及控制方法
CN202004468U (zh) 一种新能源电力系统
CN102931676A (zh) 一种太阳能电力并网自用多功能系统的构造与方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant